Counterfactual Optimization of Policy Interventions: Lexical Ordering and Leapfrogging

في عالم الطب والسياسة العامة، يوجد توتر جوهري بين فعل الخير للكثيرين وتجنب الضرر للقلة. لعقود من الزمن، عملت الأنظمة القائمة على البيانات والمصممة لتحديد العلاجات أو التدخلات بناءً على مبدأ بسيط: تعظيم متوسط الفائدة. فإذا كان هناك عقار جديد ينقذ أرواحاً أكثر في المتوسط من العقار القديم، فإن الخوارزمية توصي به لكل من تنطبق عليه المواصفات، بغض النظر عن كيفية تأثيره على أفراد محددين. هذا النهج، رغم كفاءته، يتجاهل حقيقة أخلاقية حرجة: وهي أن السياسة التي تبدو جيدة في جداول البيانات يمكن أن تكون كارثية على فئة كبيرة من الناس الذين تمسهم. يشير المبدأ الطبي القديم "أولاً، لا تسبب ضرراً" إلى أنه لا ينبغي لنا مجرد السعي وراء أعلى درجة متوسطة إذا كان القيام بذلك سيؤدي حتماً إلى سحق أقلية مستضعفة. التحدي الذي يواجه العلماء المعاصرين هو بناء أدوات اتخاذ قرار تحترم هذا الحد، وتجد طريقة لتحسين النتيجة الإجمالية دون تجاوز الخط الذي يجعل الكثير من الناس في وضع أسوأ.

هذه هي المشكلة الدقيقة التي يتصدى لها باحثون من جامعة كامبريدج والمدرسة المتعددة التقنيات الفيدرالية في لوزان (EPFL). فقد طوروا طريقة جديدة لتصميم التغييرات في السياسات تأخذ في الاعتبار صراحةً خطر الضرر الفردي. فبدلاً من السؤال فقط: "ما الذي يعمل بشكل أفضل في المتوسط؟"، يسأل نهجهم: "كيف يمكننا الانتقال من علاجنا الحالي إلى علاج أفضل مع ضمان بقاء أسوأ احتمال لإيذاء شخص ما تحت حد معين ومقبول؟". وجد الباحثون أنه عندما تفرض هذا القيد الصارم للسلامة، فإن الطريقة المثلى لتغيير السياسات ليست تحسيناً تدريجياً خطوة بخوة، بل إن الاستراتيجية الأفضل غالباً ما تتضمن هيكلاً يعتمد على "القفز فوق المراحل" (Leapfrogging). وهذا يعني أنه بالنسبة لأي مجموعة محددة من المرضى، يجب على النظام إما إبقاؤهم على علاجهم الحالي أو نقلهم مباشرة إلى الخيار الأفضل المتاح لملفهم التعريفي الخاص. إنه يتخطى أي علاجات وسيطة قد تبدو وكأنها منطقة وسطى آمنة، لكنها تفشل في النهاية في توفير أفضل حماية ضد الضرر.

لفهم كيف يعمل هذا، تخيل مستشفى يحتوي على عدة خيارات علاجية لسرطان الثدي، لكل منها معدلات نجاح متفاوتة اعتماداً على العلامات البيولوجية المحددة للمريض. تقليدياً، قد ينظر الطبيب إلى متوسط معدل نجاح عقار جديد ويقرر تقديمه للجميع ممن يظهرون فائدة إحصائية طفيفة. ومع ذلك، يكشف الأسلوب الجديد أن هذا المتوسط يمكن أن يخفي حقيقة خطيرة: فبالنسبة لبعض المرضى، قد يكون العقار الجديد علاجاً معجزاً، بينما بالنسبة لآخرين ذوي بيولوجيا مختلفة قليلاً، قد يكون غير فعال أو حتى ضاراً. يحسب نموذج الباحثين درجة أولوية لكل مزيج محتمل من (المريض-العلاج). توازن هذه الدرجة بين الفائدة المحتملة من تغيير العلاج وبين أسوأ سيناريو لخطر التسبب في الضرر. وإذا كان خطر الضرر مرتفعاً جداً لمجموعة معينة، فإن النموذج يملي عدم تغيير علاجهم على الإطلاق، حتى لو بدا متوسط الفائدة واعداً.

تم اختبار الدراسة باستخدام بيانات حقيقية من تجربة I-SPY2 لسرطان الثدي، وهي دراسة واسعة النطاق شملت ما يقرب من ألف مريض وعشرة مسارات علاجية مختلفة. طبق الباحثون منطقهم الجديد "الواعي بالضرر" على هذه البيانات وقارنوا النتائج بالأساليب القياسية التي تنظر فقط إلى متوسط الفوائد. كان الفرق صارخاً؛ فالنهج القياسي، الذي يعطي الأولوية بناءاً على المكاسب المتوسطة، اقترح ترتيباً معيناً للعلاجات التي يجب الإبقاء عليها أو التخلي عنها. في المقابل، أنتج النهج الجديد الواعي بالضرر ترتيباً مختلفاً تماماً. وفي بعض الحالات، تم خفض أولوية علاج بدا وكأنه فائز واضح في ظل النظام القديم، لأن النموذج حدد خطراً كبيراً في أنه قد يضر بمجموعة فرعية معينة من المرضى. وقد أثبت الباحثون أنه من خلال قبول حد صغير ومسيطر عليه لعدد الأشخاص الذين قد يتضررون، يمكنهم إنشاء مسار سياسي أكثر أماناً من الناحية الأخلاقية وأكثر متانة في العديد من السيناريوهات من النهج التقليدي الذي يسعى لتعظيم المتوسط.

إن الرؤية الجوهرية لعملهم تكمن في طبيعة حل "القفز فوق المراحل". فعندما سمح الباحثون بوجود خيارات علاجية متعددة، اكتشفوا أن السياسة المثلى نادراً ما تتضمن نقل المرضى عبر سلسلة من الخطوات الوسيطة. على سبيل المثال، إذا كان المريض يتلقى حالياً العلاج (أ)، وكان العلاج (ج) هو الخيار الأفضل، فإن النموذج غالباً ما يملي على المريض القفز مباشرة إلى العلاج (ج)، بدلاً من الانتقال إلى العلاج (ب) أولاً. يحدث هذا لأن الخطوات الوسيطة يمكن أن تقدم مخاطر ضرر غير ضرورية دون توفير الفائدة الكاملة من الخيار الأفضل. تضمن البنية الرياضية لحلهم أن كل انتقال هو إما انتقال مباشر إلى أفضل رعاية ممكنة لذلك المريض أو عدم الانتقال على الإطلاق. هذا يخلق ترتيباً هرمياً واضحاً للأولوية، حيث تتم أهم التحولات أولاً، وتُترك تلك التي تنطوي على مخاطر ضرر عالية دون تغيير حتى تسمح ميزانية السلامة بذلك.

كما استكشف الباحثون كيف تؤثر الافتراضات المختلفة حول العلاقة بين النتائج المحتملة على هذه القرارات. في العالم الحقيقي، نادراً ما نعرف بدقة كيف كان سيتفاعل المريض مع علاج لم يتلقه. يأخذ النموذج هذا اليقين في الاعتبار من خلال النظر في مجموعة من السيناريوهات، من الأكثر تفاؤلاً إلى الأكثر تشاؤماً فيما يتعلق بكيفية تفاعل العلاجات. ووجدوا أنه حتى عند مراعاة هذا القدر العميق من عدم اليقين، ظلت بنية "القفز فوق المراحل" قائمة. وسواء افترضوا السيناريو الأسوأ لكيفية فشل العلاجات أو ارتباطاً أكثر اعتدالاً بين النتائج، كانت النتيجة واحدة: سياسة تعطي الأولوية للانتقالات المباشرة والآمنة على الانتقالات التدريجية والمحفوفة بالمخاطر. وهذا يشير إلى أن النتيجة ليست مجرد صدفة ناتجة عن افتراض رياضي محدد، بل هي خاصية أساسية لمحاولة فعل الخير مع وضع حدود صارمة للضرر.

وفي تحليلهم لبيانات سرطان الثدي، قام الباحثون بتصور هذه النتائج من خلال تقسيم المرضى إلى "فئات" (Tiers) من الأولوية. وأظهروا أنه اعتماداً على الطريقة المستخدمة لتصنيف العلاجات، فإن الأولوية القصوى لإيقاف علاج فاشل قد تختلف تماماً. ففي ظل طريقة متوسط الفائدة القياسية، قد يكون مزيج معين من الدواء ونوع المريض هو أول ما يتم التخلي عنه. أما في ظل النهج الجديد الواعي بالضرر، فإن مزيجاً آخر يأخذ هذا المكان، غالباً لأن الطريقة القياسية فشلت في رؤية الخطر الخفي على مجموعة صغيرة ولكن مؤثرة. هذا إعادة الترتيب لها آثار عميقة على كيفية إجراء التجارب السريرية وكيفية اعتماد العلاجات. فهي تشير إلى أن المنظمين والأطباء قد يحتاجون إلى إعادة النظر في العلاجات التي يُعتبر من الآمن الاستمرار في تقديمها، ليس فقط بناءً على من يستفيد أكثر، بل بناءً على من هو الأقل عرضة للتضرر من التغيير.

لا يدعي هذا العمل حل كل المعضلات الأخلاقية في الطب، ولا يوفر صيغة سحرية تقضي على جميع المخاطر. الباحثون واضحون في أن طريقتهم تتحكم في الضرر المتوقع على مستوى السكان؛ فهي لا تضمن حماية كل فرد بعينه. هناك سيناريوهات تملي فيها الرياضيات ضرورة تعرض عدد قليل من الناس للخطر لتحقيق فائدة أكبر للبقية. ومع ذلك، من خلال جعل هذه المقايضة صريحة وقابلة للقياس الكمي، ينقل هذا الأسلوب النقاش من الهموم الأخلاقية الغامضة إلى حدود ملموسة وقابلة للإدارة. فهو يسمح لصناع السياسات بالقول: "سنحسن النتيجة المتوسطة، ولكن فقط إذا استطعنا إبقاء أسوأ سيناريو للضرر تحت هذا الحد المحدد".

في نهاية المطاف، يقدم هذا البحث عدسة جديدة للنظر في الآلية المعقدة لاتخاذ القرار الطبي. إنه يتحدى الاعتقاد السائد منذ زمن طويل بأن أفضل سياسة هي ببساطة تلك التي تحقق أعلى درجة متوسطة. بدلاً من ذلك، يقترح أن المسار الأكثر أخلاقية وفعالية هو المسار الذي يحترم حدود السلامة البشرية، ويعطي الأولوية للتحسينات المباشرة ذات الثقة العالية، مع تجنب المنحدر الزلق للتغييرات التدريلية غير المؤكدة. ومن خلال التركيز على الطبيعة "القفزية" للتحولات المثلى، توفر الدراسة إطاراً عملياً للتنقل في التوازن الصعب بين فعل الخير وعدم التسبب في الضرر، مما يضمن أن السعي وراء التقدم لا يأتي على حساب المستضعفين.